2. ◦소셜러닝 기반 개인 맞춤형 회화 학습 서비스 플랫폼 개발
1) 집단지성을 활용한 다양한 상황별 회화 시나리오 제작 기능
2) 사용자의 필요와 학습의 목적에 적합한 개인 맞춤형 추천모델
3) 사용자의 학습목적에 부합하는 체험형 회화학습 콘텐츠를 자동 생성하는 시스템 및 이를 활용한 회화학습 플
랫폼을 개발
- 영어 관련 학습서비스는 국내 및 중국, 유럽, 남미, 동남아 등 비영어권 국가에서 다양한 에듀테크를 통해 폭발
적인 성장을 이루고 있음
- 현재까지 언어학습을 위한 에듀테크 기술은 TOEIC/TOFLE 등의 문제풀이 영역에 집중되어, 회화학습에 있
어서 가장 중요한 케이스 시나리오의 확산을 위한 연구는 부족한 상황
- 현재 회화학습 분야에서의 에듀테크 기술은 학습자의 다양한 시나리오를 기반으로 한 맞춤형 학습 서비스에
대한 니즈를 해결하지 못하고 있고, 이는 전통적인 사교육 시장에서 과도한 비용 문제를 야기.
- 소셜 기반 콘텐츠 개인화 유통 플랫폼으로 비용 부담 최소화 가능
· 6조원 규모의 국내 영어사교육 시장에서 조기교육부터 내신과 입시, 취업과 승진을 위한 영어 교육이 평생 필
요한 것에 대한 학습자 비용 부담 문제를 소셜 기반 집단지성의 참여 및 콘텐츠 유통을 개인화 하는 것으로 최
소화 가능
· 영어회화 콘텐츠의 데이터 활용을 통해 관광산업, 출판 및 유통산업에서 제품이나 서비스와 연계된 영어회화
콘텐츠를 특정하여 융합콘텐츠로 서비스 가능
1. 개발기술 개요 및 필요성
3. ICT기술 MOOC RTC 소셜러닝 인공지능(AI)
대표 서비스
스피킹맥스, 야나두,
시원스쿨, 로제타 스톤
튜터링, 민병철 유폰 HelloTalk, Tandem
네이버-네이버웨이브,
KT-기가지니,
아마존 에코
수업방식
제공되는 강의 콘텐츠
학습
원어민과 학습자를 1:1
매칭을 통해 전화로
실시간 학습
소셜미디어를 활용하여
타인과 학습(집단지성)
AI스피커와 영어회화
효과 기초회화 학습 원어민과 대화 연습 원어민과 대화 연습 기초회화 연습
2. 개발기술의 독창성 및 차별성
◦국내/외 관련기술 및 제품 동향
- 회화교육은 크게 MOOC기술 방식, RTC기술 방식, 소셜러닝 방식, 인공지능(AI)기술 방식으로 분류되며 국
내의 경우 온라인 강의 방식인 MOOC 플랫폼과 전화영어를 통해 원어민과 회화 연습을 제공하는 서비스가
주를 이루고 있으며 소셜러닝을 활용한 회화 교육 서비스는 없음
- 해외의 대표적인 언어교육 서비스는 MOOC플랫폼 기반의 ‘로제타 스톤’과 소셜미디어를 활용한 언어교환
서비스 ‘Hellotalk’이 있음
- 최근 음성인식과 인공지능(AI) 기술이 접목된 AI스피커가 번역 또는 영어회화 교육 콘텐츠를 활용해 영어회
화 학습도 가능함. 예) 네이버(네이버웨이브)-파파고번역, U+(우리집AI)-파파고번역, KT(기가지니)-파고
다 생활영어
·해외 (Google-Home, Amazon-Echo 등 다양한 기업에서 출시하고 있는 스피커의 경우 영어음성인식만 가
능해 회화연습으로 활용하기도 함)
- 하지만, 번역 서비스를 활용한 AI스피커의 경우 단순 회화만 가능하며 학습자가 질문 시 이해하지 못하는 단
점과 번역 데이터만으로 상황에 따른 다양한 회화를 학습 시키는데 아직 한계가 존재
4. 2. 개발기술의 독창성 및 차별성
◦개발기술의 독창성 및 차별성
- 집단지성을 활용한 발화(發話)데이터 구축
·기존기술 중 대화형 AI 방식의 경우 실용성 있는 데이터가 도출되기까지 매우 많은 데이터를 수집해야 하며
현재 단계는 아직 상용화 수준에 이르지 못하였음. 또한 이러한 방식은 AI가 완벽히 일상적으로 대화할 수 있
는 기술을 개발하는 것에 목적성이 있기 때문에, 특정한 상황이 주어지는 회화학습에서 이러한 방식은 오히려
비효율적임.
·개발기술은 속성화 가능한 집단지성 모델에서 발화를 수집하여 발화의 데이터를 구축하는 방식으로, 비교적
적은 데이터로 당장 실용 가능한 회화학습 플랫폼 개발이 가능함. 즉, 특정한 상황을 목적으로 하는 회화 학습
에 있어 현시점에 불필요한 기능을 거세함으로써 효율성과 경쟁력을 높임.
- 높은 적합성의 개인맞춤형 콘텐츠 제공
·기존기술 중 1:1 교수법의 경우, 매우 높은 적합성의 개인맞춤형 콘텐츠를 제공할 수 있으나 그만큼 높은 비
용을 요함. MOOC의 경우에는 미리 사용자의 목적을 예측 하여 설계한 콘텐츠를 제공하므로 개인맞춤화 측
면에서 한계성이 존재함.
·개발기술은 발화 모델과 사용자 모델 간의 연관성을 바탕으로 회화 케이스를 자동 생성하므로 저비용으로 사
용자의 목적에 적합한 회화 케이스를 제공할 수 있음.
- 적은 양의 데이터로 다양한 회화 케이스 생성 가능
·기존기술 중 다양한 회화 케이스 제공을 목적으로 하는 MOOC의 경우, 미리 설계된 회화 케이스를 하나의
완성된 콘텐츠로써 제공하므로 자동적인 새로운 회화 케이스 생성 자체가 불가능함.
·개발기술은 발화를 하나의 단위로 구분하여 복합적 환경을 분석하고 서로 다른 발화 간의 관계성을 찾아냄으
로써 기존의 데이터만을 가지고 새로운 회화 케이스 생성이 가능함.